Giới thiệu dự án
Trong cấu trúc kinh tế hiện đại, hệ thống Ngân hàng Thương mại (NHTM) giữ vai trò huyết mạch cung ứng vốn và điều tiết thanh khoản cho toàn bộ nền kinh tế quốc dân. Tại Việt Nam, giai đoạn 2013 – 2023 chứng kiến tốc độ tăng trưởng kinh tế duy trì mức bình quân 5,79%/năm, kéo theo nhu cầu mở rộng tín dụng mạnh mẽ từ cả khối doanh nghiệp lẫn hộ gia đình. Tuy nhiên, đặc thù đòn bẩy tài chính cao khiến ngành ngân hàng đối mặt với rủi ro hệ thống phức tạp. Trước yêu cầu hội nhập và chuẩn hóa an toàn tài chính theo chuẩn mực quốc tế Basel II và Basel III, Ngân hàng Nhà nước Việt Nam (NHNN) đã ban hành Thông tư 41/2016/TT-NHNN (quy định tỷ lệ an toàn vốn tối thiểu 8%) và Quyết định số 1382/QĐ-NHNN đặt mục tiêu CAR toàn hệ thống đạt 10 – 11% vào năm 2023 và 11 – 12% vào năm 2025.
Hệ số an toàn vốn (Capital Adequacy Ratio - CAR) của các NHTM Việt Nam dao động với biên độ rộng (trung bình 12,23%, thấp nhất 8,35% và cao nhất 37,32%), thấp hơn tương đối so với một số quốc gia trong khu vực như Indonesia (22,6%), Thái Lan (19,0%) hay Hong Kong (16,0%). Đứng trước áp lực nâng cao năng lực đệm vốn trong khi chi phí huy động vốn gia tăng từ cuộc đua lãi suất và nợ xấu tiềm ẩn, bài toán đánh đổi giữa an toàn vốn và hiệu quả sinh lời đặt ra thách thức sống còn cho các nhà quản trị ngân hàng.
+-----------------------------------------------------------------------------+
| PROBLEM STATEMENT |
| Gia tăng tỷ lệ CAR giúp củng cố bộ đệm rủi ro và tuân thủ chuẩn Basel II/III|
| nhưng giữ mức vốn tự có cao làm tăng chi phí vốn, giảm tỷ lệ đòn bẩy và |
| thu hẹp biên sinh lời trên vốn chủ sở hữu (ROE) của các NHTM Việt Nam. |
+-----------------------------------------------------------------------------+
Mục tiêu nghiên cứu
- Khảo sát thực trạng hệ số an toàn vốn (CAR) và tỷ suất sinh lời trên vốn chủ sở hữu (ROE) của 27 NHTM Việt Nam giai đoạn 2013 – 2023.
- Thiết lập mô hình kinh tế lượng và kiểm định định lượng tác động của CAR đến ROE cùng các biến kiểm soát nội tại và vĩ mô.
- Xử lý triệt để các khuyết tật mô hình (đa cộng tuyến, phương sai thay đổi, tự tương quan và tính nội sinh).
- Đề xuất hệ thống hàm ý quản trị vốn chiến lược nhằm cân bằng giữa an toàn thanh khoản và tối đa hóa giá trị cổ đông.
Phạm vi và dữ liệu nghiên cứu
- Không gian nghiên cứu: 27 NHTM tiêu biểu tại Việt Nam (bao gồm các NHTM niêm yết trên HOSE, HNX và sàn UPCoM/OTC).
- Thời gian nghiên cứu: 11 năm liên tục (2013 – 2023) với 297 quan sát dạng dữ liệu bảng cân đối (Balanced Panel Data).
- Nguồn dữ liệu: Báo cáo tài chính hợp nhất đã kiểm toán, báo cáo thường niên, hệ thống FiinPro, Tổng cục Thống kê, Quỹ Tiền tệ Quốc tế (IMF) và World Bank.
Phân tích và thiết kế giải pháp
Phân tích hiện trạng
Nghiên cứu mối quan hệ giữa an toàn vốn và khả năng sinh lời của ngân hàng trên thế giới ghi nhận nhiều luồng quan điểm trái chiều:
- Tác động ngược chiều: Dao (2020), Dan Dang (2019), Quoc & My (2023) chứng minh việc gia tăng bộ đệm an toàn vốn làm giảm biên lợi nhuận do chi phí vốn đắt đỏ và hạn chế mở rộng tín dụng rủi ro cao.
- Tác động cùng chiều: Nyoka (2019), Linh & Trang (2019), Nguyễn Bích Ngân & cs (2021) lập luận ngân hàng có vốn tự có dồi dào sẽ giảm chi phí huy động bên ngoài, nâng cao định mức tín nhiệm và gia tăng hiệu quả sinh lời.
- Không có tác động: Ngo (2006), Rasheed & Abdullah (2022) kết luận cơ cấu vốn được xác định nội sinh tại trạng thái cân bằng dài hạn.
| Phương pháp kinh tế lượng | Ưu điểm | Hạn chế | Mức độ phù hợp với đề tài |
|---|---|---|---|
| Pooled OLS | Đơn giản, trực quan, dễ ước lượng tham số | Bỏ qua đặc trưng riêng lẻ của từng ngân hàng, sai lệch do biến nội sinh | Không tối ưu cho dữ liệu bảng 27 NHTM |
| FEM / REM | Kiểm soát đặc trưng cố định hoặc ngẫu nhiên của từng NHTM | Vi phạm giả định khi có hiện tượng tự tương quan, phương sai thay đổi | Cần kiểm định lựa chọn (F-test, Hausman) |
| FGLS | Khắc phục hoàn toàn phương sai sai số thay đổi và tự tương quan | Không giải quyết triệt để biến nội sinh ($Cov(X_{it}, u_{it}) \neq 0$) | Dùng làm bước kiểm tra độ bền |
| System GMM | Khắc phục biến nội sinh, biến trễ phụ thuộc, quan sát chéo theo chuỗi thời gian | Đòi hỏi số lượng nhóm lớn ($N > T$), nhạy cảm với số lượng biến công cụ | Phương pháp tối ưu nhất |
Thiết kế hệ thống mô hình
Hệ thống ước lượng kinh tế lượng được thiết kế theo cấu trúc phân tầng:
graph TD
A["Dữ liệu bảng 27 NHTM (2013-2023): 297 quan sát"] --> B["Thống kê mô tả & Ma trận tương quan Pearson"]
B --> C["Kiểm tra đa cộng tuyến: Hệ số VIF"]
C --> D["Ước lượng OLS / FEM / REM"]
D --> E["Kiểm định F & Breusch-Pagan & Hausman Test"]
E --> F["Kiểm định khuyết tật: Wald Test & Wooldridge Test"]
F --> G["Ước lượng FGLS khắc phục khuyết tật"]
G --> H["Kiểm định nội sinh 2SLS (Durbin-Wu-Hausman)"]
H --> I["Ước lượng System-GMM (Arellano-Bond & Hansen Test)"]
I --> J["Kết luận & Hàm ý quản trị vốn"]
Mô hình hồi quy tĩnh
$$ROE_{it} = \beta_0 + \beta_1 CAR_{it} + \beta_2 SIZE_{it} + \beta_3 LDR_{it} + \beta_4 CIR_{it} + \beta_5 GDP_{it} + \beta_6 INF_{it} + u_{it}$$
Mô hình hồi quy động (Dynamic Panel Model)
$$ROE_{it} = \alpha_0 + \gamma ROE_{i,t-1} + \beta_1 CAR_{it} + \beta_2 SIZE_{it} + \beta_3 LDR_{it} + \beta_4 CIR_{it} + \beta_5 GDP_{it} + \beta_6 INF_{it} + \eta_i + \varepsilon_{it}$$
Trong đó:
- $ROE_{it}$: Tỷ suất sinh lời trên vốn chủ sở hữu của ngân hàng $i$ năm $t$ ($\frac{\text{Lợi nhuận sau thuế}}{\text{Vốn CSH bình quân}}$).
- $CAR_{it}$: Hệ số an toàn vốn ($\frac{\text{Vốn tự có}}{\text{Tổng tài sản có rủi ro quy đổi}}$).
- $SIZE_{it}$: Quy mô ngân hàng, đo bằng $\ln(\text{Tổng tài sản})$.
- $LDR_{it}$: Tỷ lệ dư nợ tín dụng trên vốn huy động ($\frac{\text{Tổng dư nợ cho vay}}{\text{Tổng tiền gửi}}$).
- $CIR_{it}$: Tỷ lệ chi phí trên thu nhập ($\frac{\text{Chi phí hoạt động}}{\text{Tổng thu nhập hoạt động}}$).
- $GDP_{it}$: Tốc độ tăng trưởng tổng sản phẩm quốc nội thực tế hàng năm.
- $INF_{it}$: Tỷ lệ lạm phát đo lường qua chỉ số giá tiêu dùng CPI.
- $\eta_i$: Yếu tố tác động cố định không quan sát được của từng ngân hàng.
- $\varepsilon_{it}, u_{it}$: Sai số ngẫu nhiên của mô hình.
+-----------------------------------------------------------------------------+
| DATABASE STRUCTURE SPECIFICATION |
| Panel ID: bank_id (1 to 27) | Time ID: year (2013 to 2023) |
| Total Balanced Observations: N = 27, T = 11, Total Obs = 297 |
| Primary Variables: ROE, CAR, SIZE, LDR, CIR, GDP, INF |
+-----------------------------------------------------------------------------+
Methodology
Quá trình thực thi tuân thủ khung quy trình chuẩn mực kinh tế lượng tài chính gồm 7 giai đoạn:
- Giai đoạn 1 (Xác lập lý thuyết): Khung lý thuyết đánh đổi rủi ro - lợi nhuận (Risk-Return Tradeoff) của Modigliani & Miller (1963) và lý thuyết đệm vốn (Capital Buffer Theory).
- Giai đoạn 2 (Thu thập và tiền xử lý): Trích xuất chỉ tiêu tài chính từ báo cáo kiểm toán IFRS/VAS, chuẩn hóa định dạng ma trận bảng.
- Giai đoạn 3 (Thống kê và kiểm định đa cộng tuyến): Tính toán Mean, SD, Min, Max và chỉ số VIF.
- Giai đoạn 4 (Ước lượng cơ sở): So sánh OLS, FEM và REM thông qua F-test, LM test và Hausman test.
- Giai đoạn 5 (Chẩn đoán khuyết tật): Kiểm tra phương sai thay đổi (Modified Wald test) và tự tương quan bậc 1 (Wooldridge test).
- Giai đoạn 6 (Xử lý khuyết tật & Biến nội sinh): Ước lượng FGLS và hồi quy biến công cụ hai giai đoạn (2SLS) / System GMM (Generalized Method of Moments).
- Giai đoạn 7 (Kiểm định tính vững): Kiểm tra điều kiện AR(1), AR(2) và Hansen J-test.
Implementation và kết quả
Development process
Nghiên cứu sử dụng môi trường tính toán Stata 17 để lập trình và xử lý dữ liệu. Đoạn mã thực thi quy trình phân tích kinh tế lượng:
* ==============================================================================
* STATA 17 CODE SCRIPT: PANEL ECONOMETRIC REGRESSION PIPELINE
* Project: Impact of CAR on Bank Profitability (ROE) in Vietnam (2013-2023)
* ==============================================================================
* 1. Khai báo cấu trúc dữ liệu bảng
clear all
set more off
import excel "bank_data_2013_2023.xlsx", sheet("Data") firstrow
destring _all, replace
xtset bank_id year
* 2. Thống kê mô tả và ma trận hệ số tương quan
summarize ROE CAR SIZE LDR CIR GDP INF
pwcorr ROE CAR SIZE LDR CIR GDP INF, sig star(0.05)
* 3. Kiểm tra hiện tượng đa cộng tuyến (VIF)
regress ROE CAR SIZE LDR CIR GDP INF
vif
* 4. Ước lượng mô hình OLS, FEM, REM
regress ROE CAR SIZE LDR CIR GDP INF
estimates store OLS_MODEL
xtreg ROE CAR SIZE LDR CIR GDP INF, fe
estimates store FEM_MODEL
xtreg ROE CAR SIZE LDR CIR GDP INF, re
estimates store REM_MODEL
* 5. Kiểm định lựa chọn mô hình
* So sánh OLS và FEM: F-test (tích hợp trong output của xtreg, fe)
* So sánh OLS và REM: Breusch-Pagan Lagrange Multiplier Test
quietly xtreg ROE CAR SIZE LDR CIR GDP INF, re
xttest0
* So sánh FEM và REM: Hausman Test
hausman FEM_MODEL REM_MODEL
* 6. Kiểm tra phương sai sai số thay đổi và tự tương quan
xtreg ROE CAR SIZE LDR CIR GDP INF, fe
xttest3 // Modified Wald test for heteroskedasticity
xtserial ROE CAR SIZE LDR CIR GDP INF // Wooldridge test for autocorrelation
* 7. Ước lượng mô hình FGLS (Khắc phục phương sai thay đổi & tự tương quan)
xtgls ROE CAR SIZE LDR CIR GDP INF, panels(hetero) corr(ar1)
estimates store FGLS_MODEL
* 8. Kiểm định nội sinh và ước lượng System GMM (Two-step)
* CAR và SIZE được xử lý như các biến nội sinh
xtabond2 ROE L.ROE CAR SIZE LDR CIR GDP INF, ///
gmmstyle(L.ROE CAR SIZE, laglimits(2 4) collapse) ///
ivstyle(LDR CIR GDP INF, equation(level)) ///
twostep robust small nodiffsargan
estimates store GMM_MODEL
Testing và validation
Thống kê mô tả các biến nghiên cứu (N = 297)
| Biến số | Ký hiệu | Đơn vị | Giá trị trung bình | Độ lệch chuẩn | Giá trị nhỏ nhất | Giá trị lớn nhất |
|---|---|---|---|---|---|---|
| Tỷ suất sinh lời / Vốn CSH | ROE | % | 10,48 | 6,59 | -13,14 (NVB, 2023) | 26,38 (VIB, 2021) |
| Hệ số an toàn vốn | CAR | % | 12,23 | 3,02 | 8,35 (LPB, 2019) | 37,32 (BVB, 2013) |
| Quy mô ngân hàng | SIZE | $\ln(\text{Tài sản})$ | 12,42 | 1,16 | 10,12 (BVB, 2013) | 15,36 (BID, 2023) |
| Tỷ lệ dư nợ / Tiền gửi | LDR | % | 82,14 | 14,35 | 45,21 | 118,65 |
| Tỷ lệ chi phí / Thu nhập | CIR | % | 48,60 | 11,25 | 28,14 | 82,40 |
| Tăng trưởng GDP | GDP | % | 5,79 | 1,84 | 2,56 (Năm 2021) | 8,02 (Năm 2022) |
| Lạm phát CPI | INF | % | 3,21 | 1,15 | 0,63 (Năm 2015) | 4,74 (Năm 2013) |
Kiểm tra đa cộng tuyến (Variance Inflation Factor - VIF)
Tất cả các biến độc lập đều có chỉ số $VIF < 2,0$ (trong đó biến CIR cao nhất đạt 1,96; biến CAR đạt 1,18; biến SIZE đạt 1,32; biến LDR đạt 1,12; biến GDP đạt 1,08; biến INF đạt 1,05). Chỉ số VIF trung bình toàn mô hình là 1,29 (nhỏ hơn rất nhiều so với ngưỡng cảnh báo 10), khẳng định mô hình không xuất hiện hiện tượng đa cộng tuyến nghiêm trọng.
+-----------------------------------------------------------------------------+
| MODEL DIAGNOSTIC TESTS |
| 1. F-test (OLS vs FEM): F(26, 264) = 10.64, Prob > F = 0.0000 ==> Chọn FEM |
| 2. Breusch-Pagan LM Test: chibar2(01) = 87.42, Prob = 0.0000 ==> Chọn REM |
| 3. Hausman Test: chi2(6) = 7.18, Prob > chi2 = 0.3045 (> 0.05) ==> Chọn REM |
| 4. Modified Wald Test: chi2(27) = 482.16, Prob = 0.0000 ==> Có Hetero |
| 5. Wooldridge Serial Corr: F(1, 26) = 18.94, Prob = 0.0002 ==> Có AR(1) |
| 6. Ivregress 2SLS Endogeneity: CAR & SIZE là biến nội sinh |
| 7. Two-step System GMM: AR(1) p=0.002, AR(2) p=0.412, Hansen p=0.328 (>0.25)|
+-----------------------------------------------------------------------------+
Kết quả đạt được
Bảng tổng hợp hệ số hồi quy thực nghiệm qua các phương pháp ước lượng:
| Biến độc lập | Pooled OLS | FEM | REM | FGLS | System GMM (Two-step) |
|---|---|---|---|---|---|
| L.ROE | - | - | - | - | 0,342*** (0,058) |
| CAR | -0,195** (0,084) | -0,142* (0,078) | -0,153** (0,072) | -0,168*** (0,042) | -0,214*** (0,064) |
| SIZE | 0,028*** (0,006) | 0,035*** (0,011) | 0,031*** (0,008) | 0,026*** (0,004) | 0,038*** (0,009) |
| LDR | 0,085** (0,036) | 0,042 (0,041) | 0,058* (0,034) | 0,062*** (0,019) | 0,074** (0,031) |
| CIR | -0,241*** (0,045) | -0,188*** (0,048) | -0,205*** (0,042) | -0,194*** (0,025) | -0,226*** (0,038) |
| GDP | 0,412*** (0,118) | 0,368*** (0,105) | 0,385*** (0,102) | 0,354*** (0,068) | 0,391*** (0,094) |
| INF | -0,285* (0,152) | -0,194 (0,148) | -0,221 (0,142) | -0,246** (0,098) | -0,262* (0,135) |
| Hệ số chặn | -0,218** (0,092) | -0,284** (0,134) | -0,245** (0,108) | -0,182*** (0,056) | -0,295*** (0,088) |
| Số quan sát | 297 | 297 | 297 | 297 | 270 |
| R-squared | 0,384 | 0,291 | 0,342 | - | - |
| AR(2) p-value | - | - | - | - | 0,412 |
| Hansen p-value | - | - | - | - | 0,328 |
Ghi chú: *, **, *** tương ứng với mức ý nghĩa thống kê 10%, 5%, 1%. Sai số chuẩn đặt trong dấu ngoặc đơn.
Phân tích kết quả kinh tế lượng
- Tác động của CAR đến ROE: Hệ số hồi quy biến CAR mang dấu âm có ý nghĩa thống kê ở mức 1% ($\beta = -0,214, p < 0,01$ trong mô hình GMM). Điều này chỉ ra rằng, khi các yếu tố khác không đổi, nếu hệ số an toàn vốn tăng thêm 1% thì tỷ suất sinh lời trên vốn chủ sở hữu (ROE) của các NHTM Việt Nam có xu hướng giảm 0,214%. Kết quả này củng cố lý thuyết đánh đổi Modigliani - Miller: việc duy trì đệm vốn tự có quá cao làm suy giảm tỷ lệ đòn bẩy tài chính và tăng chi phí vốn biên, khiến khả năng tối ưu hóa lợi nhuận trên vốn chủ sở hữu bị thu hẹp trong ngắn và trung hạn.
- Tác động của các biến kiểm soát:
- Quy mô ngân hàng (SIZE) tác động cùng chiều ($\beta = 0,038, p < 0,01$), phản ánh lợi thế kinh tế theo quy mô (Economies of Scale) giúp các ngân hàng lớn tối ưu hóa chi phí cố định và đa dạng hóa danh mục đầu tư.
- Tỷ lệ dư nợ trên vốn huy động (LDR) tác động dương ($\beta = 0,074, p < 0,05$), chứng minh khả năng chuyển hóa vốn huy động thành tài sản sinh lời hiệu quả.
- Tỷ lệ chi phí trên thu nhập (CIR) tác động âm mạnh mẽ ($\beta = -0,226, p < 0,01$), khẳng định kiểm soát tốt chi phí hoạt động là nhân tố cốt lõi cải thiện ROE.
- Tăng trưởng kinh tế (GDP) thúc đẩy lợi nhuận ($\beta = 0,391, p < 0,01$), trong khi lạm phát (INF) gây áp lực suy giảm tỷ suất sinh lời ($\beta = -0,262, p < 0,10$).
Đổi mới và đóng góp
- Đổi mới về kỹ thuật kinh tế lượng: Khắc phục triệt để các hạn chế của những nghiên cứu trước đây (chỉ sử dụng Pooled OLS hoặc FEM/REM đơn thuần) bằng cách kết hợp mô hình FGLS và System GMM hai bước (Two-step System GMM với hiệu chỉnh mẫu nhỏ Windmeijer), giải quyết đồng thời hiện tượng phương sai sai số thay đổi, tự tương quan chuỗi và tính nội sinh của các biến CAR và SIZE.
- Cập nhật dữ liệu bao quát và đồng nhất: Chuỗi số liệu 11 năm (2013 – 2023) bao phủ trọn vẹn tiến trình chuyển đổi chính sách từ Thông tư 36/2014/TT-NHNN sang Thông tư 41/2016/TT-NHNN (Basel II) và Thông tư 22/2019/TT-NHNN, phản ánh sự phân hóa năng lực tài chính giữa khối NHTM cổ phần có vốn Nhà nước và NHTM cổ phần tư nhân.
- So sánh với các nghiên cứu thực nghiệm tiền bối:
- So với Dao (2020) (mẫu 16 NHTM, giai đoạn 2010 – 2017, phương pháp OLS): Nghiên cứu mở rộng quy mô lên 27 NHTM, kiểm soát biến trễ động ($ROE_{t-1}$) và khắc phục sai lệch nội sinh.
- So với Nyoka (2019) (kết luận CAR tác động cùng chiều tại thị trường Nam Phi): Nghiên cứu chỉ ra đặc thù thị trường tín dụng Việt Nam có biên độ chênh lệch lãi suất (NIM) chịu áp lực lớn từ chi phí trích lập dự phòng và cơ cấu tài sản có rủi ro cao.
+-----------------------------------------------------------------------------+
| QUANTIFIED CONTRIBUTIONS |
| - Dữ liệu: 27 NHTM, 11 năm, 297 quan sát bảng cân đối (tăng 68% so với 2020)|
| - Độ chính xác ước lượng: Kiểm định Hansen p=0.328 (loại bỏ thiên lệch) |
| - Mức độ ảnh hưởng: Định lượng chính xác 1% CAR tăng làm giảm 0.214% ROE |
+-----------------------------------------------------------------------------+
Ứng dụng thực tế và triển khai
Khuyến nghị cho Ban điều hành NHTM
- Xác định vùng đệm an toàn vốn tối ưu (Target CAR Band): Thay vì duy trì CAR quá cao so với mức quy định 8% của Basel II (như một số ngân hàng ghi nhận mức > 15%), các NHTM nên duy trì CAR tối ưu trong biên độ 9,5% – 11,5%. Khoảng đệm này vừa đảm bảo mức độ an toàn thanh khoản, vừa tránh tình trạng ứ đọng vốn tự có đắt đỏ.
- Tối ưu hóa cấu trúc Tài sản có Rủi ro (RWA Optimization): Tái cơ cấu danh mục cho vay từ các phân khúc có hệ số rủi ro cao (150% - 200% như bất động sản, chứng khoán) sang các phân khúc bán lẻ, doanh nghiệp vừa và nhỏ (SME) có tài sản bảo đảm tốt và tỷ trọng rủi ro thấp hơn (50% - 75%).
- Đa dạng hóa nguồn vốn tự có cấp 2: Phát hành trái phiếu thứ cấp chuyển đổi dài hạn để gia tăng vốn cấp 2, giảm bớt áp lực phải tăng vốn điều lệ (vốn cấp 1) thông qua chia cổ tức bằng cổ phiếu hay phát hành riêng lẻ làm pha loãng ROE.
+-----------------------------------------------------------------------------+
| STRATEGIC ASSET ALLOCATION ROADMAP FOR BANKS |
| Phase 1 (0-6 months): RWA Re-calculation under Circular 41/2016 |
| Phase 2 (6-18 months): Shift 15% loan portfolio to Low-Risk RWA assets |
| Phase 3 (18-36 months): Tier-2 Subordinated Bond Issuance & Target CAR Set |
+-----------------------------------------------------------------------------+
Khuyến nghị cho Ngân hàng Nhà nước Việt Nam
- Thực thi chính sách an toàn vốn linh hoạt: Áp dụng hệ số an toàn vốn phân hóa theo nhóm quy mô và mức độ rủi ro hệ thống, tránh áp đặt một ngưỡng cứng nhắc cho toàn bộ các ngân hàng có cấu trúc kinh doanh khác biệt.
- Hỗ trợ phát triển thị trường vốn dài hạn: Tạo điều kiện pháp lý thuận lợi để các NHTM nâng cao vốn tự có thông qua thị trường trái phiếu thứ cấp và công cụ phái sinh rủi ro tín dụng.
Hạn chế và hướng phát triển
Hạn chế kỹ thuật
- Mẫu nghiên cứu giới hạn ở 27 NHTM do hạn chế về tính đầy đủ và minh bạch của dữ liệu công bố tại một số ngân hàng yếu kém đang tái cơ cấu bắt buộc hoặc ngân hàng 100% vốn nước ngoài.
- Cách tính CAR trong giai đoạn 2013 – 2018 dựa trên chuẩn Thông tư 36/2014 và từ 2019 trở đi theo Thông tư 41/2016 (Basel II), tạo ra sự dịch chuyển phương pháp đo lường RWA dù đã được chuẩn hóa thống kê.
Hướng nghiên cứu tiếp theo
- Tích hợp mô hình phi tuyến tính: Áp dụng kỹ thuật hồi quy ngưỡng (Panel Threshold Regression) để tìm ra điểm gãy (threshold) chính xác của CAR mà tại đó tác động đổi chiều từ dương sang âm.
- Kết hợp các chuẩn mực Basel III: Mở rộng nghiên cứu sang các chỉ số đệm thanh khoản mới như LCR (Liquidity Coverage Ratio) và NSFR (Net Stable Funding Ratio) khi hệ thống ngân hàng Việt Nam tiến tới triển khai toàn diện Basel III.
Đối tượng hưởng lợi
- Sinh viên & Học viên cao học ngành Tài chính - Ngân hàng: Cung cấp tài liệu tham khảo thực nghiệm hoàn chỉnh về phương pháp nghiên cứu định lượng dữ liệu bảng, quy trình kiểm định mô hình và cú pháp Stata 17 chuẩn mực.
- Chuyên viên Phân tích Dữ liệu & Phân tích Tài chính: Tiếp cận khung phân tích định lượng kết hợp giữa các yếu tố nội tại ngân hàng (CAMEL framework) và các chỉ số kinh tế vĩ mô.
- Nhà quản trị rủi ro & Lãnh đạo NHTM: Cung cấp bằng chứng thực nghiệm chính xác để hoạch định chiến lược quản trị vốn, phân bổ RWA và xây dựng chính sách cổ tức hợp lý.
- Cơ quan quản lý và hoạch định chính sách: Có cơ sở dữ liệu định lượng độc lập để đánh giá tác động lan tỏa của các thông tư quản lý tỷ lệ an toàn vốn đối với sức khỏe tài chính hệ thống.
Câu hỏi thường gặp
1. Yêu cầu kỹ thuật và môi trường để triển khai lại mô hình nghiên cứu này?
Hệ thống cần cài đặt phần mềm Stata 15.0 trở lên (khuyến nghị Stata 17.0 MP hoặc SE) có cài đặt sẵn các gói lệnh mở rộng: xttest0, xttest3, xtserial, xtabond2. Bộ dữ liệu cần được chuẩn hóa định dạng .dta hoặc .xlsx với 2 trường chỉ mục định danh bảng (bank_id và year).
2. Vì sao mô hình System GMM lại vượt trội hơn các mô hình hồi quy truyền thống?
Trong hoạt động ngân hàng, lợi nhuận năm trước ($ROE_{t-1}$) có tác động quán tính tới lợi nhuận năm sau ($ROE_t$). Đồng thời, hệ số CAR và quy mô (SIZE) thường có mối quan hệ nhân quả hai chiều với lợi nhuận (nội sinh). System GMM sử dụng các biến trễ công cụ nội suy để triệt tiêu hoàn toàn tương quan giữa biến độc lập và sai số ngẫu nhiên, cho ước lượng không chệch và hiệu quả.
3. Tại sao CAR lại có tác động ngược chiều đến ROE tại thị trường Việt Nam?
Tại Việt Nam, nguồn thu của các NHTM vẫn phụ thuộc tới 70 – 80% vào thu nhập lãi thuần (NIM). Để duy trì CAR cao, ngân hàng buộc phải gia tăng vốn tự có (mẫu số của ROE) hoặc cắt giảm tài sản có rủi ro cao (thu hẹp quy mô cho vay lãi suất cao). Điều này trực tiếp làm giảm tốc độ tăng trưởng của lợi nhuận sau thuế so với tốc độ tích lũy vốn chủ sở hữu, dẫn tới sụt giảm ROE.
4. Chi phí duy trì hệ thống quản trị vốn theo Basel II/III tại ngân hàng là bao nhiêu?
Chi phí triển khai thường bao gồm: nâng cấp hệ thống phần mềm dữ liệu và tính toán RWA tự động (khoảng 500.000 – 2.000.000 USD), chi phí tư vấn kiểm toán độc lập và chi phí duy trì đệm vốn an toàn bổ sung. Lộ trình hòa vốn (ROI) thường đạt được sau 3 – 5 năm nhờ giảm chi phí dự phòng rủi ro và nâng cao định mức tín nhiệm quốc tế.
5. Kết quả nghiên cứu có áp dụng được cho các tổ chức tài chính phi ngân hàng không?
Mô hình có thể chuyển giao cho các công ty tài chính, công ty chứng khoán hoặc bảo hiểm sau khi điều chỉnh công thức đo lường tỷ lệ an toàn vốn theo quy định chuyên ngành tương ứng (ví dụ: Tỷ lệ an toàn tài chính của công ty chứng khoán theo Thông tư 91/2020/TT-BTC).
Kết luận
Công trình nghiên cứu đã phân tích chuyên sâu tác động thực nghiệm của hệ số an toàn vốn (CAR) đến tỷ suất sinh lời trên vốn chủ sở hữu (ROE) của 27 NHTM Việt Nam trong giai đoạn 2013 – 2023. Bằng việc áp dụng các kỹ thuật kinh tế lượng chuẩn mực từ OLS, FEM, REM, FGLS đến System GMM hai bước, nghiên cứu khẳng định mối quan hệ ngược chiều có ý nghĩa thống kê giữa CAR và ROE ($\beta = -0,214, p < 0,01$). Bên cạnh đó, các yếu tố quy mô tổng tài sản (SIZE), tỷ lệ dư nợ trên tiền gửi (LDR) và tăng trưởng kinh tế (GDP) đóng vai trò hỗ trợ tích cực, trong khi tỷ lệ chi phí trên thu nhập (CIR) và lạm phát (INF) là các rào cản làm suy giảm lợi nhuận ngân hàng. Kết quả nghiên cứu là tài liệu tham khảo khoa học giá trị, cung cấp luận cứ định lượng vững chắc cho các nhà quản trị ngân hàng trong việc xây dựng chiến lược quản lý vốn tối ưu và hỗ trợ cơ quan quản lý điều hành chính sách tiền tệ ổn định, bền vững.